Cross-Entropy Loss: Cos'è e Come Funziona?
Cross-Entropy Loss: Cos'è e Come Funziona? 📌 Cross-Entropy Loss: Cos'è e Come Funziona? La Cross-Entropy Loss è una funzione di perdita usata nei modelli di Deep Learning per la classificazione, sia binaria che multi-classe. 🔢 Formula della Cross-Entropy Loss Classificazione Binaria Per problemi con due classi (0 o 1), la funzione è: L = - [ y log(ŷ) + (1 - y) log(1 - ŷ) ] y → Valore reale (0 o 1). ŷ → Probabilità predetta per la classe positiva. Classificazione Multi-Classe Se ci sono C classi , la formula diventa: L = - Σ [ y i log(ŷ i ) ] y i è 1 solo per la classe corretta, 0 per le altre. ŷ i è la probabilità predetta per la classe i-esima. 📊 Esempio Pratico Immaginiamo di dover classificare un'immagine tra 3 categorie: **Gatto, Cane, Uccello**. 🐶 Il valore reale è Cane ...